بررسي وجود حافظه‏ي بلندمدت در نوسانات بازدهي بازار طلاي ايران: كاربردي از مدل FIGARCH

Investigating the Presence of Long Memory in Returns Volatility of Iranian Gold Market: an Application of FIGARCH Models

هنگاميكه در يك سري‎زماني، مشاهدات جاري با مشاهدات مربوط به گذشته‏ي دور، همبستگي بالايي داشته باشد، آن سري‏زماني داراي ويژگي حافظه‏ي بلندمدت است. وجود حافظه‏ي بلندمدت در بازارهاي مالي يكي از نشانه‏هاي نقض فرضيه‏‏‏‏‏ي بازار كارا است و بيان مي‏كند كه سري‏زماني بازار از فرآيند گام تصادفي پيروي نمي‏كند. بررسي اين ويژگي علاوه بر جنبه‏هاي نظري به لحاظ كاربردي نيز حائز اهميت است و به تحليلگران بازارهاي مالي در جهت شناخت ماهيت تكانه‏هاي وارده بر بازار از نظر كوتاه‏مدت يا بلندمدت بودن، كمك شاياني مي‏كند. اغلب مطالعات داخلي، به بررسي وجود حافظه‏ي بلندمدت در سري‏زماني بازدهي (بويژه در بازار بورس اوراق بهادار تهران) معطوف بوده‏اند. در عين حال، اين مطالعه با بكارگيري داده¬هاي روزانه‏ي سكه‏ي طرح جديد، وجود حافظه‏ي بلندمدت در سري‏زماني نوسان در بازار طلاي ايران را طي دوره زماني 05/01/1382 تا 30/10/1395مورد ارزيابي قرار مي‏دهد. در اين راستا و با توجه به وجود نشانه‏هايي مبني بر وجود حافظه‏ي بلندمدت در نوسانات بازدهي، از مدلFIGARCH استفاده و پارامتر حافظه‏ي بلندمدت برآورد مي‏شود. بر اساس خروجي نرم افزار OxMetrics6.00، پارامتر حافظه‏‏ي بلندمدت، مثبت و به لحاظ آماري معنادار است. در نتيجه، تكانه‏هاي وارده بر واريانس شرطي سري‏زماني مذكور پايدار هستند بطوريكه آثار هر تكانه براي مدتي طولاني در فرآيند نوسان باقي مي‏ماند. اين يافته را مي‏توان بعنوان دليلي آشكار بر رد فرم ضعيف فرضيه‏ي كارايي بازار طلاي ايران تلقي نمود.

A time series is said to possess a long memory if there exists a long-run dependence between observations which are far away from each other in time. The presence of long memory in financial markets is an evidence of violation of the weak-form informational market efficiency and implies that the time series do not follow from a random walk process. This paper investigates the long memory property in the volatility of gold returns. In this study, we use Iranian gold coin data from March 25, 2003 to January 19, 2017 and employ the FIGARCH(1,d,1) specification. The research findings show that the FIGARCH is an appropriate model to capture dependence in the conditional variance of the gold returns. According to the OxMetrics6.00 output, the long memory parameter is positive and statistically significant. Consequently, the volatility is highly persistent, i.e., that shocks tend to have a permanent influence on the conditional variance. This finding is an evidence of the violation of weak-form market efficiency in Iranian gold market.